负值减少就是调整数据分类规则后，原本被算错的负面数据变少了。比如把原本标错的差评数据重新归到中性或正面里，这样系统判断就准了。数据清洗时发现，之前有5%的被错标成中性，调整后只剩2%了。

调整是因为分类模型吃不准数据。比如某电商有10万条评论，旧规则把3%的负面算成中性，导致用户投诉率虚高。重分类后负面数据减少1.5%，投诉率从8.2%降到6.5%。具体操作是给负面特征加权重，比如“差评”词频从2次提升到5次触发负面标签。调整后测试集准确率从78%涨到89%，但召回率从65%降到58%。比如之前有5%的数据被错分成负值现在只剩2%了，但漏掉3%真正该算负面的了。这样调整后整体效果更平衡了。